青藏高原FY-3C卫星积雪产品评估

doi:10.6046/gtzyyg.2020102

青藏高原FY-3C卫星积雪产品评估

闵文彬^,¹, 彭骏¹, 李施颖²

1.中国气象局成都高原气象研究所/高原与盆地暴雨旱涝灾害四川重点实验室,成都 610071

2.四川省气象探测数据中心,成都 610071

The evaluation of FY-3C snow products in the Tibetan Plateau

MIN Wenbin^,¹, PEN Jun¹, Li Shiying²

1. Institute of Plateau Meteorology, CMA /Heavy Rain and Drought-Flood Disasters in Plateau and Basin Key Laboratory of Sichuan Province, Chengdu 610071, China

2. Sichuan Meteorological Sounding Data Center, Chengdu 610071, China

责任编辑: 李瑜

收稿日期: 2020-04-13 修回日期: 2020-08-19 网络出版日期: 2021-03-15

基金资助:

中国气象局风云三号(02)批气象卫星地面应用系统工程应用示范分系统项目“青藏高原固态水资源遥感监测与评估业务应用示范”资助. FY-3(02)-UDS-1.11.1

Received: 2020-04-13 Revised: 2020-08-19 Online: 2021-03-15

作者简介 About authors

闵文彬(1966-),女,教授级高级工程师,主要从事卫星遥感技术应用研究。Email: wenbinmin@sina.com。

摘要

选取2018年10月1日—2019年4月30日作为积雪研究期,利用青藏高原地区118个气象台站的积雪观测数据,对风云三号C星(FY-3C)多仪器融合的雪盖(multi-sensor synergy snow cover, MULSS_SNC)和微波成像仪的雪水当量(microwave radiation imager snow water equivalent, MWRIX_SWE)产品进行评估,以了解产品的区域可靠性。结果表明: MULSS_SNC和MWRIX_SWE雪盖判识准确率分别为87.18%和72.32%,召回率分别为66.67%和49.63%,误判率分别为12.81%和27.68%,漏判率分别为33.33%和50.37%; 对于积雪混合像元或积雪深度不足0.5 cm的卫星像元,MULSS_SNC和MWRIX_SWE都倾向于无雪判识,1 cm以下雪盖漏判率高达60%以上; MULSS_SNC在积雪深度达2 cm以上时,召回率可达到89.09%,而MWRIX_SWE产品在积雪深度达5 cm以上时,积雪判识召回率才达到63.37%。MWRIX_SWE反演的青藏高原地区雪深与地面观测值误差很大,不存在线性正相关关系,不建议直接使用。

关键词： MULSS_SNC ; MWRIX_SWE ; 评估 ; 青藏高原

Abstract

In order to understand the regional reliability of the Fengyun-3C(FY-3C) satellite snow products, the authors used the snow cover data of 118 meteorological stations in the Tibetan Plateau from October 1, 2018 to April 30, 2019 to evaluate the snow cover (MULSS_SNC) and snow water equivalent (MWRIX_SWE) products. The results show that, for snow cover pixels of MULSS_SNC and MWRIX_SWE, the accuracy rate is 87.18% and 72.32% respectively, the recall rate is 66.67% and 49.63% respectively, the false rate is 12.81% and 27.68% respectively, and the missing rate is 33.33% and 50.37% respectively. In terms of mixed pixels or pixels with snow depth less than 0.5 cm, both MULSS_SNC and MWRIX_SWE tend to identify with no snow, and the missing rate of snow depth less than 1cm is up to 60%. When the snow depth of MULSS_SNC is more than 2cm, the recall rate can reach 89.09%. However, for MWRIX_SWE, only when the snow depth is more than 5cm can the snow recall rate reach 63.37%. The snow depth in the Tibetan Plateau from MWRIX_SWE has a large error with ground observations, and there is no linear positive correlation, so it is not recommended to use it directly.

Keywords： MULSS_SNC ; MWRIX_SWE ; evaluation ; Tibetan Plateau

PDF (2780KB) 元数据多维度评价相关文章导出 EndNote| Ris| Bibtex 收藏本文

本文引用格式

闵文彬, 彭骏, 李施颖. 青藏高原FY-3C卫星积雪产品评估. 国土资源遥感[J], 2021, 33(1): 145-151 doi:10.6046/gtzyyg.2020102

MIN Wenbin, PEN Jun, Li Shiying. The evaluation of FY-3C snow products in the Tibetan Plateau. REMOTE SENSING FOR LAND & RESOURCES[J], 2021, 33(1): 145-151 doi:10.6046/gtzyyg.2020102

0 引言

积雪作为冰冻圈的重要组成之一,在气候变化和水资源中扮演着重要角色。积雪的累积和消融影响水资源循环,积雪的高反射率、低导热率特性影响地表能量平衡和气候系统变化。因此,准确、及时掌握积雪的时空变化对于气候变化预测、水资源管理等至关重要。目前,积雪观测数据主要来自传统的地面站点观测和卫星遥感观测。在我国青藏高原地区,积雪观测站点少,空间分布不均匀,观测时间不连续,不足以提供区域积雪分布和变化特征信息。卫星遥感成为该地区积雪监测的理想手段,能够实现对积雪宏观、快速和周期性的监测。人们可利用光学遥感数据提取雪盖信息^{[1,2,3,4,5,6]},利用微波遥感数据反演雪深和雪水当量^[7,8,9,10],及时掌握研究区的积雪动态,认识研究区的积雪和雪水当量的时空分布特征^[11,12,13]。然而,可见光遥感依赖于太阳光,受云层影响严重,在天空有云状况下无法工作; 被动微波遥感虽具有穿透性及全天候工作特点,不受天气状况的影响,但空间分辨率低,主要用于全球雪深、积雪覆盖范围和雪水当量的研究,在区域性的积雪动态监测和积雪研究中,卫星遥感积雪产品精度还有许多需要改进的地方,不同传感器、不同反演算法之间存在较大偏差^{[14,15,16,17,18,19,20]}。所以,目前遥感积雪产品在区域性应用之前,必须经过真实性检验和精度评估,它是评价遥感产品质量、可靠性和适用性的唯一手段,是提高遥感产品精度、改善遥感产品质量的主要依据,更是推动遥感产品应用范围和应用水平的重要保障。

我国风云三号系列气象卫星不仅提供遥感观测资料,还提供大量的业务化产品,包括积雪监测产品,并实现了广泛的数据共享。本研究以地面积雪观测数据为参考,开展FY-3C多仪器融合数据的积雪覆盖产品(multi-sensor synergy snow cover, MULSS_SNC)和微波成像仪的雪深雪水当量产品(microwave radiation imager snow water equivalent, MWRIX_SWE)在青藏高原地区的精度检验和评估分析,这对于风云三号气象卫星积雪产品在研究区的应用是必不可少的,具有非常重要的意义。

1 数据与评估方法

1.1 数据来源

本文使用的卫星反演积雪产品取自国家气象科学数据共享服务平台(http: //data.cma.cn/site/index.html),要检验的FY-3C多仪器融合的积雪覆盖产品(MULSS _SNC)空间分辨率为1 km,FY-3C微波成像仪的雪深和雪水当量产品(MWRIX_SWE)空间分辨率为25 km。作为检验参考值的地面积雪观测数据取自全国综合气象信息共享平台(China integrated meteorological information sharing system, CIMISS),包括西藏、青海和四川境内的118个气象台站,台站分布见图1,海拔跨度较大,从1 370 m到4 800 m。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1 青藏高原积雪观测站点分布示意图

Fig.1 Distribution of snow observation stations in Qinghai-Tibet Plateau

1.2 评估方法

1.2.1 地面观测参考值

根据地面雪深观测规范,当气象站四周视野地面被雪覆盖超过一半时观测雪深,当雪深达到或超过5 cm时观测雪压。台站雪深观测记录为99990表示有少量积雪,地面积雪深度观测记录为0表示气象站四周视野地面被雪覆盖超过一半,但雪深不足0.5 cm。本文把台站雪深观测记录为99990和0,即有少量积雪或雪深不足0.5 cm的气象站对应的卫星像元看作部分积雪像元,把雪深观测记录大于或等于0.5 cm的气象站对应的卫星像元看作积雪像元,把无积雪气象站对应的卫星像元看作陆地像元。

1.2.2 卫星积雪覆盖产品评估

以气象站积雪观测数据作为参考,主要对MULSS _SNC和MWRIX_SWE的积雪和陆地像元进行积雪覆盖有/无验证。将FY-3C积雪产品正确判识的积雪像元数记为 $N_{a}$ 、误判为积雪的像元数记为 $N_{b}$ 、漏判的积雪像元数记为 $N_{c}$ ,FY-3C积雪产品正确判识的陆地像元数记为 $N_{d}$ ,则有^[10]卫星产品判识的总体精度为:

(1)

\frac{N_{a} + N_{d}}{N_{a} + N_{b} + N_{c} + N_{d}} \times 100 %

。

对卫星判识结果而言,卫星产品雪盖判识准确率为:

(2)

\frac{N_{a}}{N_{a} + N_{b}} \times 100 %

。

对地面积雪观测而言,卫星产品雪盖判识召回率为:

(3)

\frac{N_{a}}{N_{a} + N_{c}} \times 100 %

。

卫星产品雪盖误判率为:

(4)

\frac{N_{b}}{N_{a} + N_{b}} \times 100 %

。

卫星产品雪盖漏判率为:

(5)

\frac{N_{c}}{N_{a} + N_{c}} \times 100 %

1.2.3 卫星反演雪深和雪水当量产品评估

研究认为地面雪深和雪压观测值为真值,对观测点所对应卫星像元的雪深和雪水当量作验证与评估,雪水当量=雪压/水的密度。参照中华人民共和国气象行业标准中的气象卫星定量产品质量评价指标内容,本文选取的评价指标有:

1)平均偏差 $Bias$ 。是指待评估卫星反演产品数据与对应地面观测数据差值的平均值,即

(6)

Bias = \frac{\sum_{i = 1}^{N} (S_{i} - G_{i})}{N}

。

2)平均绝对误差 $MAE$ 。是将卫星反演产品数据与对应地面观测数据差值取绝对值后再求平均值,即

(7)

MAE = \frac{\sum_{i = 1}^{N} |S_{i} - G_{i}|}{N}

。

3)均方根误差 $RMSE$ 。反映待评估卫星反演产品数据对应地面观测数据的偏差,即

(8)

RMSE = \sqrt[]{\frac{\sum_{i = 1}^{N} {(S_{i} - G_{i})}^{2}}{N}}

。

4)相关系数 $Corr$ 。反映待评估卫星反演产品数据对地面观测数据之间的相关关系密切程度,即

(9)

Corr = \frac{\sum_{i = 1}^{N} (S_{i} - \bar{S}) (G_{i} - \bar{G})}{\sqrt[]{\sum_{i = 1}^{N} {(S_{i} - \bar{S})}^{2}} \sqrt[]{\sum_{i = 1}^{N} {(G_{i} - \bar{G})}^{2}}}

。

5)平均相对误差 $MRE$ 。即

(10)

MRE = \frac{1}{N} \overset{N}{\sum_{i = 1}} |\frac{S_{i} - G_{i}}{G_{i}}|

。

式中: $N$ 为地面和卫星观测比对样本总数; $S_{i}$ 为卫星反演估计值; $G_{i}$ 为地面观测值; $\bar{S}$ 和 $\bar{G}$ 分别为卫星反演估计值和地面观测值的平均值。

2 FY-3C积雪产品评估分析

2.1 MULSS_SNC雪盖产品

表1为MULSS_SNC判别结果,2018年10月—2019年4月118个台站共有25 016个地面观测样本。

表1 MULSS_SNC判识结果

Tab.1 The identification results of MULSS_SNC

地面观测样本数/个		MULSS_SNC像元数 /个
地面观测样本数/个		积雪	陆地	云及其他	参与评估
积雪	3 147	864	432	1851	1 296
陆地	1 548	127	847	574	974
部分积雪	20 321	353	13 091	6 877	13 444
合计	25 016	1 344	14 370	9 302	15 714

新窗口打开| 下载CSV

假设MULSS_SNC雪盖产品的云像元判识准确,不考虑卫星误将积雪判识为云的情况,也不评估部分积雪的混合像元情况,只对2 270个积雪和陆地卫星像元进行评估。根据公式(1)-(5)可计算出,MULSS_SNC雪盖产品总体精度为75.37%、雪盖判识准确率为87.18%、召回率为66.67%、雪盖误判率为12.81%、漏判率为33.33%。部分积雪像元只有2.63%被判识为积雪像元,97.37%被判识为无雪的陆地像元。

2.2 MWRIX_SWE积雪判识

将MWRIX_SWE产品的反演值大于0的卫星像元作为积雪像元看待,利用地面积雪观测数据对其有/无积雪判识准确率进行分析。从表2可见,有9 121个卫星像元缺数据,参与评估的只有15 895个像元。MWRIX_SWE产品判识有4 085个积雪像元,其中998个积雪像元与地面观测一致,误判382个,判识的2 705个积雪像元对应地面为部分积雪; MWRIX_SWE产品判识的陆地像元有11 810个,其中漏判了1 013个积雪像元,正确判识陆地像元613个,将10 184个部分积雪像元判识为了陆地。去掉缺数据的卫星像元,只统计参与评估的数据,根据公式(1)-(5)计算出,MWRIX_SWE产品总体精度为53.59%; 积雪像元判识准确率为72.32%、召回率为49.63%、误判率为27.68%、漏判率为 50.37%。79.01%的部分积雪像元被判识为陆地。

表2 MWRIX_SWE判识结果

Tab.2 The identification results of MWRIX_SWE

地面观测样本数/个		MWRIX_SWE像元数/个
地面观测样本数/个		积雪	陆地	缺数据	参与评估
积雪	3 147	998	1 013	1 136	2 011
陆地	1 548	382	613	553	995
部分积雪	20 321	2 705	10 184	7 432	12 889
合计	25 016	4 085	11 810	9 121	15 895

新窗口打开| 下载CSV

2.3 不同深度的积雪判识

表3给出了FY3C积雪产品不同积雪深度的检验结果,表中不同深度积雪判识的召回率、漏判率和漏判百分比都是针对地面观测样本而言的,漏判百分比为某一深度的卫星漏判的积雪像元数占卫星漏判的积雪像元总数的比例。从分析结果可见,积雪深度在[0.5,1]cm的有460个像元,MULSS_SNC产品正确判识出168个,漏掉292个,积雪判识召回率只有36.52%,漏判率高达63.48%,漏判数占总漏判像元数的67.59%; 积雪深度在(1,2] cm之间的185个像元中,MULSS_SNC产品正确判识出116个,漏掉69个,判识召回率为62.70%,漏判率为37.30%,漏判百分比为15.97%; 当积雪深度达到2 cm以上时,MULSS_SNC产品对不同深度的雪盖判识召回率都达到80%以上,漏判率小于20%。积雪深度2 cm以上的651个像元中,MULSS产品正确判识出580个,漏掉71个,判识召回率达到89.09%,漏判率为10.91%,漏判百分比为16.44%。

表3 不同积雪深度的FY-3C积雪产品检测结果

Tab.3 The evaluation results of FY3C snow cover products with different snow depth

积雪深度/cm	[0.5,1]	(1,2]	(2,3]	(3,4]	(4,5]	(5,6]	(6,8]	(8,10]	>10	>2	合计
	MULSS_SNC判识结果
地面积雪像元数/个	460	185	118	103	69	50	77	48	186	651	1 296
判识正确像元数/个	168	116	99	83	61	44	71	41	181	580	864
召回率/%	36.52	62.70	83.90	80.58	88.41	88.00	92.21	85.42	97.31	89.09	66.67
漏判像元数/个	292	69	19	20	8	6	6	7	5	71	432
漏判率/%	63.48	37.30	16.10	19.42	11.59	12.00	7.79	14.58	2.69	10.91	33.33
漏判百分比/%	67.59	15.97	4.40	4.63	1.85	1.39	1.39	1.62	1.16	16.44	100
	MWRIX_SWE反演结果
地面积雪像元数/个	723	286	214	154	119	67	110	72	266	1 002	2 011
判识正确像元数/个	238	125	101	85	75	48	85	49	192	635	998
SWE召回率/%	32.92	43.71	47.20	55.19	63.03	71.64	77.27	68.06	72.18	63.37	49.63
SWE漏判像元数/个	485	161	113	69	44	19	25	23	74	367	1 013
SWE漏判率/%	67.08	56.29	52.80	44.81	36.97	28.36	22.73	31.94	27.82	36.63	50.37
SWE漏判百分比/%	47.88	15.89	11.15	6.81	4.34	1.88	2.47	2.27	7.31	36.23	100

新窗口打开| 下载CSV

由表3对参与评估的2 011个MWRIX_SWE像元的分析结果可见,积雪深度在[0.5,1] cm的有723个像元,MWRIX_SWE产品正确判识出238个,漏掉485个,判识召回率只有32.92%,漏判率高达67.08%,漏判数占总漏判像元数的47.88%; 积雪深度在(1,2] cm之间的286个像元中,MWRIX_SWE产品正确判识出125个,漏掉161个,判识召回率为43.71%,漏判率为56.29%,漏判百分比为15.89%; 积雪深度在(2,3] cm之间的214个像元中,MWRIX_SWE产品正确判识出101个,漏掉113个,判识召回率为47.20%,漏判率为52.80%,漏判百分比为11.15%。MWRIX_SWE对积雪深度在3 cm以下的积雪像元漏报率很高,超过了50%。积雪深度5 cm以上1 002个像元中,MWRIX_SWE产品正确判识出635个,漏掉367个,判识召回率达到63.37%,漏判率36.63%,漏判百分比36.23%。

通过表4和图2的MULSS_SNC和MWRIX_SWE产品检验结果对比可见,对于相同深度的积雪像元,MULSS_SNC产品雪盖判识召回率都比MWRIX_SWE产品的高,漏报率低; 当积雪深度达到2 cm以上时,MULSS_SNC产品雪盖判识召回率接近90%,比MWRIX_SWE高出25%,漏报百分比低50%。

表4 MULSS_SNC和MWRIX_SW合成的雪盖产品的判识结果

Tab.4 The identification results of synthetic products of MULSS_SNC and MWRIX_SWE

地面观测样本数/个		合成产品像元数/个
地面观测样本数/个		积雪	陆地	MWRIX 无数据	参与评估
积雪	3 147	1 419	887	841	2 306
陆地	1 548	289	751	508	1 040
部分积雪	20 321	1 332	11 694	7 295	13 026
合计	25 016	3 040	13 332	8 644	16 372

新窗口打开| 下载CSV

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2 FY3C积雪产品不同积雪深度的漏判率

Fig.2 The missing rate of FY3C snow cover products with different snow depth

2.4 MULSS_SNC与MWRIX_SWE积雪合成产品雪盖判识准确率

假如MWRIX_SWE卫星像元地表单一,将其25 km像元反演值均匀插值到1 km,与MULSS_SNC产品空间匹配,利用MWRIX_SWE监测的积雪像元替代MULSS_SNC的云像元,减小MULSS_SNC产品的云影响,得到MULSS_SNC和MWRIX_SWE合成产品。从表4可见,合成积雪产品总体精度为64.85%、雪盖判识准确率为83.08%、召回率为61.54%、误判率为16.92%、漏判率为38.46%,将89.77%的部分积雪像元判为陆地像元。虽然雪盖合成产品的精度不比MULSS_SNC高,但能判识出的积雪像元明显多于单一用MULSS_SNC和MWRIX_SWE的判识结果,可在一定程度上弥补MULSS_SNC的云和MWRIX_SWE无数据的影响,获得更多的积雪信息。当然,MULSS_SNC和MWRIX_SWE产品不同分辨率的空间匹配势必造成判识结果差异,这里将微波与光学产品简单结合应用,只是下一步工作的思路测验而已。

2.5 MWRIX_SWE的雪深和雪水当量定量分析

由图3的地面观测与卫星反演雪深散点图可知,当地面雪深达到60 cm以上时,MWRIX_SWE反演雪深值却不足10 cm,严重偏小; 反之,MWRIX_SWE反演雪深值达到60 cm以上时,地面观测值也不足10 cm。即,不论是地面观测还是卫星反演雪深达到60 cm以上,二者偏差都达到50 cm以上,偏差很大。而且地面观测与卫星反演雪深的判定系数R²为0.022 8,说明二者没有正相关关系。将地面雪深数据作为参考值,误差分析得知,MWRIX_SWE反演雪深的平均偏差为6.05 cm,偏差值范围-151 cm~72.4 cm; 绝对误差为11.76 cm; 均方根误差18.41 cm; 平均相对误差高达486.16%。

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3 地面观测与MWRIX_SWE雪深散点图

Fig.3 The scatter map of snow depth from ground observation and MWRIX_SWE

接下来,在998组MWRIX_SWE积雪对比数据中,剔除出卫星反演或地面观测积雪深度大于60 cm的25组数据,对余下973组数据进行统计分析,偏差范围在-37~27.4 cm,平均偏差为7.54 cm; 绝对误差为9.78 cm; 相关系数为-0.04。图4为60 cm以下地面观测与卫星反演雪深散点图,从中可以看出,地面观测与卫星反演雪深值之间相关性仍然不好。误差和相关分析结果都表明MWRIX_SWE的雪深产品在青藏高原地区不可直接使用。分析结果表明,被动微波积雪产品不受天气状况的影响,但空间分辨率低,主要用于全球雪深、积雪覆盖范围和雪水当量的研究,在区域性的积雪动态监测中还存在较大偏差^[12]。

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4 60 cm以下地面观测与卫星反演雪深散点图

Fig.4 The scatter map of snow depth from ground observation and satellite inversion below 60cm

鉴于以上分析结果,目前FY3C卫星反演雪深产品可靠较差,而且地面雪压观测值与MWRIX_SWE的雪水当量值有效配对样本数较少,只有22个,本文就不再定量评估雪水当量产品。

3 结论

利用青藏高原118个气象站积雪观测数据,对FY-3C的MULSS_SNC雪盖产品和MWRIX_SWE雪深与雪水当量产品进行评估分析,得出如下结论:

1)MULSS_SNC产品的总体精度为75.37%,积雪判识准确率为87.18%,召回率为66.67%,雪盖误判率为12.81%,雪盖漏判率为33.33%,97.37%的部分积雪混合像元被判识为无雪。

2)MWRIX_SWE产品对像元有无积雪判识的总体精度为53.59%,积雪像元判识准确率为72.32%,召回率为49.63%,雪盖误判率为27.68%,雪盖漏判率为50.37%,79.01%部分积雪混合像元被判识为无雪。

3)利用MWRIX_SWE产品对MULSS_SNC产品进行消云处理后的雪盖合成产品总体精度为64.85%、积雪准确率为83.08%、雪盖召回率为61.54%、误判率为16.92%、漏判率为38.46%,89.77%的部分积雪混合像元判识为无雪。

4)积雪深度在1 cm以下时,MULSS_SNC产品判识召回率只有36.52%,漏判率高达63.48%,漏判数占总漏判像元数的67.59%; 积雪深度达2 cm以上时,MULSS_SNC产品判识召回率达到89.09%,漏判率为10.91%,漏判百分比为16.44%。

5)积雪深度在1 cm以下时,MWRIX_SWE产品判识召回率只有32.92%,漏判率高达67.08%,漏判百分比为47.88%; 积雪深度在3 cm以下时,漏报率都很高,超过了50%。积雪深度达到5 cm以上时,判识召回率才达到63.37%,漏判率为36.63%,漏判百分比为36.23%。

6)MWRIX_SWE卫星反演雪深的平均偏差为6.05 cm,偏差值范围-151~72.4 cm; 绝对误差为11.76 cm; 均方根误差18.41 cm; 平均相对误差高达486.16%; 卫星反演雪深值与地面观测值之间相关系数为-0.15; 不论是地面观测值,还是MWRIX_SWE卫星反演雪深值达到60 cm以上,二者偏差都达到50 cm以上。

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]

李震, 张文煜, 孙文新, 等.

NOAA/AVHRR数据的雪盖信息提取与复台

[J]. 遥感技术与应用, 1995,10(4):19-24.